前言

Doccano是一种用于文本标注的开源工具，旨在简化和加速标注任务的进行。它提供了一个直观的用户界面，使标注人员能够轻松地对文本数据进行标注，并创建高质量的训练数据集用于机器学习和自然语言处理任务。

一、doccano的介绍、安装

1-1、doccano的介绍

在这里插入图片描述

Doccano是一种用于文本标注的开源工具，旨在简化和加速标注任务的进行。它提供了一个直观的用户界面，使标注人员能够轻松地对文本数据进行标注，并创建高质量的训练数据集用于机器学习和自然语言处理任务。
以下是Doccano的一些主要特点和功能：

多种标注类型：Doccano支持多种常见的文本标注任务，如命名实体识别、文本分类、关系抽取等。您可以根据具体任务的需求选择适当的标注类型。
协作标注：多个标注人员可以同时使用Doccano进行协作标注。标注人员可以独立地对同一份数据进行标注，并进行交互和讨论，以提高标注的一致性和准确性。
快速导入和导出：您可以将原始文本数据以各种格式（如CSV、JSON、TXT等）导入到Doccano中进行标注。标注完成后，您可以将标注结果导出为各种格式，方便后续的数据分析和模型训练。
自定义标签：Doccano允许您定义自定义的标签集，以适应不同的标注任务和标签体系。您可以根据需要创建和管理标签，并为每个标签定义颜色和快捷键，以提高标注效率。
实时预览和反馈：在标注过程中，您可以实时预览已标注的文本，以及其他标注人员的工作。这样可以更好地了解整体标注进展，并提供即时的反馈和调整。
标注统计和质量评估：Doccano提供了一系列统计信息和指标，用于评估标注任务的进展和质量。您可以查看每个标注人员的贡献、标注一致性以及标注时间等信息。
可扩展性和自定义性：Doccano是一个开源工具，您可以根据需要自定义和扩展其功能。通过使用Doccano的API和插件系统，您可以根据特定要求进行定制和集成。

1-2、doccano的安装、初始化配置

doccano的安装：

pip install doccano

doccano的初始化配置：

# 初始化数据库
doccano init
# 创建超级用户，改成自己的用户名和密码
doccano createuser --username admin --password 123456
# 启动web服务端
doccano webserver --port 8000

打开网页，输入网址：
http://127.0.0.1:8000/

界面如下：
在这里插入图片描述

二、序列标注任务

2-1、登录

登录：使用刚才创建的账号密码来登录
在这里插入图片描述

2-2、创建任务

创建项目时选择序列标注任务，并勾选Allow overlapping entity及Use relation Labeling。适配命名实体识别、关系抽取、事件抽取、评价观点抽取等任务。
在这里插入图片描述

勾选序列标注后，需要填写项目名称等信息
勾选以下选项（允许实体重叠，使用关系标注）

2-3、数据上传

导入数据
在这里插入图片描述
NOTE：doccano支持TextFile、TextLine、JSONL和CoNLL四种数据上传格式，UIE定制训练中统一使用TextLine这一文件格式，即上传的文件需要为txt格式，且在数据标注时，该文件的每一行待标注文本显示为一页内容。
上传文件：将文件拖入，点击左下角导入。
在这里插入图片描述

注意：导入文件的过程中，碰到一直在加载中的问题。
解决方法：再开一个窗口，输入命令doccano task，开启任务窗口即可。

上传完成后我们可以看到文本已经被添加到项目中去，现在我们对文本进行打标：
在这里插入图片描述

2-4、添加标签

抽取式任务包含Span与Relation两种标签类型

Span指原文本中的目标信息片段，如实体识别中某个类型的实体，事件抽取中的触发词和论元；
Relation指原文本中Span之间的关系，如关系抽取中两个实体（Subject&Object）之间的关系，事件抽取中论元和触发词之间的关系。

以下为添加标签的界面：添加标签即填写名字，key：选择快捷键，最后选择颜色。
在这里插入图片描述

2-5、任务标注

任务标注：点击右侧按钮开始进行标注。
实体标注：直接用鼠标选取文本即可标注实体。
在这里插入图片描述

在这里插入图片描述

2-6、数据导出

数据导出：数据导出，选择文件类型为JSONL。
在这里插入图片描述
导出数据如下图所示：

{"id":1,"text":"深大到双龙28块钱4月24号交通费","entities":[{"id":1,"label":"出发地","start_offset":0,"end_offset":2},{"id":2,"label":"目的地","start_offset":3,"end_offset":5},{"id":3,"label":"费用","start_offset":5,"end_offset":9},{"id":4,"label":"时间","start_offset":9,"end_offset":14}],"relations":[],"Comments":[]}